गॉसियन फिलटर

एक विशिष्ट गाऊसी फिल्टर की आवेग प्रतिक्रिया का आकार

इलेकट्रॉनिकी तथा संकेत संसाधन, मुख्यतः अंकीय संकेत प्रक्रमण, में गाऊसी फ़िल्टर एक ऐसा फ़िल्टर होता है जिसकी आवेग अनुक्रिया एक गाऊसी फलन होती है (या उसके सन्निकटन, क्यूंकि एक सच्चे गाऊसी अभिक्रिया की आवेग अनुक्रिया असीम होगी। गाऊसी फ़िल्टरों में, उत्थान-पतन समय को न्यूनतम करते हुए, एक सोपान फलन के लिए अतिलंघन न करने का गुण होता है। यह व्यवहार इस तथ्य से घनिष्ट सम्बन्ध रखता है कि एक गाऊसी फ़िल्टर में न्यूनतम संभव समूह विलम्ब होता है। गाऊसी फ़िल्टर में उच्च आवृत्तियों के निरोधन का सर्वश्रेष्ठ संचय होता है तथा स्थानिक विस्तार न्यूनतम होता है जो कि अनिश्चितता सिद्धांत का क्रांतिक बिन्दु है। ये सभी गुण दोलनदर्शियों एवं अंकीय दूरसंचार प्रणालियों जैसे क्षेत्रों में अत्यंत महत्वपूर्ण होते हैं।

गणितीय रूप से, एक गाऊसी फ़िल्टर एक गाऊसी फ़ंक्शन के साथ घुमाव द्वारा इनपुट सिग्नल को संशोधित करता है; इस परिवर्तन को वीयरस्ट्रैस ट्रांसफॉर्म के रूप में भी जाना जाता है।

परिभाषा

एक आयामी गाऊसी फिल्टर द्वारा दी गई एक आवेग प्रतिक्रिया है

$g(x)={\sqrt {\frac {a}{\pi }}}e^{-ax^{2}}$

और आवृत्ति प्रतिक्रिया फूरियर ट्रांसफॉर्म # स्क्वायर-इंटीग्रेबल फ़ंक्शंस, एक-आयामी . द्वारा दी जाती है

${\hat {g}}(f)=e^{-\pi ^{2}f^{2}/a}$

साथ $f$ सामान्य आवृत्ति। इन समीकरणों को मानक विचलन के साथ पैरामीटर के रूप में भी व्यक्त किया जा सकता है

$g(x)={\frac {1}{{\sqrt {2\pi }}\sigma }}e^{-x^{2}/(2\sigma ^{2})}$

और आवृत्ति प्रतिक्रिया द्वारा दिया जाता है

${\hat {g}}(f)=e^{-f^{2}/(2\sigma _{f}^{2})}$

लेखन से $a$ के एक समारोह के रूप में $\sigma$ के लिए दो समीकरणों के साथ $g(x)$ और के एक समारोह के रूप में $\sigma _{f}$ के लिए दो समीकरणों के साथ ${\hat {g}}(f)$ यह दिखाया जा सकता है कि मानक विचलन का गुणनफल और आवृत्ति डोमेन में मानक विचलन द्वारा दिया जाता है

$\sigma \sigma _{f}={\frac {1}{2\pi }}$,

जहां मानक विचलन उनकी भौतिक इकाइयों में व्यक्त किए जाते हैं, उदा। सेकंड और हर्ट्ज़ में क्रमशः समय और आवृत्ति के मामले में।

दो आयामों में, यह दो ऐसे गाऊसी का गुणनफल है, एक प्रति दिशा:

$g(x,y)={\frac {1}{2\pi \sigma ^{2}}}e^{-(x^{2}+y^{2})/(2\sigma ^{2})}$

जहां x क्षैतिज अक्ष में मूल बिंदु से दूरी है, y ऊर्ध्वाधर अक्ष में मूल बिंदु से दूरी है, और σ गाऊसी वितरण का मानक विचलन है।

डिजिटल कार्यान्वयन

गाऊसी फ़ंक्शन के लिए है $x\in (-\infty ,\infty )$ और सैद्धांतिक रूप से एक अनंत खिड़की की लंबाई की आवश्यकता होगी। हालांकि, चूंकि यह तेजी से क्षय होता है, इसलिए अक्सर एक साधारण आयताकार खिड़की समारोह का उपयोग करके फ़िल्टर विंडो को छोटा करना और संकीर्ण विंडो के लिए फ़िल्टर को सीधे लागू करना उचित होता है। अन्य मामलों में, कटौती महत्वपूर्ण त्रुटियों का परिचय दे सकती है। इसके बजाय किसी भिन्न विंडो फ़ंक्शन का उपयोग करके बेहतर परिणाम प्राप्त किए जा सकते हैं; विवरण के लिए स्केल स्पेस कार्यान्वयन देखें।

फ़िल्टरिंग में कनवल्शन शामिल है। फ़िल्टर फ़ंक्शन को एक अभिन्न परिवर्तन का कर्नेल कहा जाता है। गाऊसी कर्नेल निरंतर है। आमतौर पर, असतत समतुल्य नमूना गाऊसी कर्नेल होता है जो निरंतर गाऊसी से नमूना बिंदुओं द्वारा निर्मित होता है। असतत गाऊसी कर्नेल का उपयोग करने का एक वैकल्पिक तरीका है जिसमें कुछ उद्देश्यों के लिए बेहतर विशेषताएं हैं। नमूना गाऊसी कर्नेल के विपरीत, असतत गाऊसी कर्नेल असतत प्रसार समीकरण का समाधान है।

चूंकि गाऊसी फ़ंक्शन का फूरियर रूपांतरण एक गाऊसी फ़ंक्शन उत्पन्न करता है, सिग्नल (अधिमानतः अतिव्यापी विंडो वाले ब्लॉकों में विभाजित होने के बाद) को एक तेज़ फूरियर रूपांतरण के साथ परिवर्तित किया जा सकता है, एक गाऊसी फ़ंक्शन के साथ गुणा किया जा सकता है और वापस रूपांतरित किया जा सकता है। यह एक मनमाना परिमित आवेग प्रतिक्रिया फ़िल्टर लागू करने की मानक प्रक्रिया है, केवल इस अंतर के साथ कि फ़िल्टर विंडो का फूरियर रूपांतरण स्पष्ट रूप से ज्ञात है।

केंद्रीय सीमा प्रमेय के कारण, गाऊसी को एक बहुत ही सरल फिल्टर जैसे चलती औसत के कई रनों द्वारा अनुमानित किया जा सकता है। सरल चलती औसत निरंतर बी-पट्टी (एक आयताकार नाड़ी) के साथ दृढ़ संकल्प से मेल खाती है, और, उदाहरण के लिए, चलती औसत के चार पुनरावृत्तियों में फ़िल्टर विंडो के रूप में एक घन बी-स्पलाइन उत्पन्न होती है जो गॉसियन को काफी अच्छी तरह से अनुमानित करती है। एक चलती औसत गणना करने के लिए काफी सस्ता है, इसलिए स्तरों को आसानी से कैस्केड किया जा सकता है।

असतत मामले में मानक विचलन संबंधित हैं

$\sigma \cdot \sigma _{f}={\frac {N}{2\pi }}$

जहां मानक विचलन नमूनों की संख्या में व्यक्त किए जाते हैं और एन नमूनों की कुल संख्या है। आँकड़ों से शर्तों को उधार लेते हुए, एक फ़िल्टर के मानक विचलन की व्याख्या उसके आकार के माप के रूप में की जा सकती है। गाऊसी फिल्टर की कट-ऑफ आवृत्ति को आवृत्ति डोमेन उपज में मानक विचलन द्वारा परिभाषित किया जा सकता है

$f_{c}=\sigma _{f}={\frac {1}{2\pi \sigma }}$

जहां सभी मात्राओं को उनकी भौतिक इकाइयों में व्यक्त किया जाता है। यदि $\sigma$ नमूनों में मापा जाता है कट-ऑफ आवृत्ति (भौतिक इकाइयों में) की गणना की जा सकती है

$f_{c}={\frac {F_{s}}{2\pi \sigma }}$

कहाँ पे $F_{s}$ नमूना दर है। इस कट-ऑफ आवृत्ति पर गाऊसी फ़िल्टर का प्रतिक्रिया मान expक्स्प(−0.5) ≈ 0.607 के बराबर होता है।

हालांकि, कट-ऑफ आवृत्ति को आधा पावर पॉइंट के रूप में परिभाषित करना अधिक सामान्य है: जहां फ़िल्टर प्रतिक्रिया पावर स्पेक्ट्रम में 0.5 (−3 dB) तक कम हो जाती है, या 1/√2आयाम स्पेक्ट्रम में 0.707 (उदाहरण के लिए बटरवर्थ फ़िल्टर#मूल पेपर देखें)। फ़िल्टर की प्रतिक्रिया के लिए एक मनमाना कट-ऑफ मान 1/c के लिए कट-ऑफ आवृत्ति द्वारा दी गई है

$f_{c}={\sqrt {\ln(c)}}\cdot \sigma _{f}$

c = 2 के लिए अंतिम समीकरण में फ़्रीक्वेंसी डोमेन में मानक विचलन से पहले का स्थिरांक लगभग 1.1774 के बराबर होता है, जो आधी अधिकतम (FWHM) पर पूर्ण चौड़ाई का आधा होता है (गाऊसी फ़ंक्शन#गुण देखें)। ग के लिए =√2 यह स्थिरांक लगभग 0.8326 के बराबर होता है। ये मान 1 के काफी करीब हैं।

एक साधारण चलती औसत एक समान वितरण (असतत) से मेल खाती है और इस प्रकार आकार की इसकी फ़िल्टर चौड़ाई $n$ मानक विचलन है ${\sqrt {(n^{2}-1)/12}}$. इस प्रकार क्रमिक का अनुप्रयोग $m$ आकार के साथ चलती औसत ${n}_{1},\dots ,{n}_{m}$ का मानक विचलन प्राप्त करें

$\sigma ={\sqrt {\frac {n_{1}^{2}+\cdots +n_{m}^{2}-m}{12}}}$

(ध्यान दें कि मानक विचलन योग नहीं करते हैं, लेकिन प्रसरण करते हैं।)

एक गाऊसी कर्नेल की आवश्यकता है $6\sigma -1$ मान, उदा. एक के लिए ${\sigma }$ 3 में से इसे 17 लंबाई के कर्नेल की आवश्यकता होती है। 5 बिंदुओं के चलने वाले माध्य फ़िल्टर में का सिग्मा होगा ${\sqrt {2}}$. इसे तीन बार चलाने से a ${\sigma }$ 2.42 का। यह देखा जाना बाकी है कि खराब सन्निकटन के बजाय गाऊसी का उपयोग करने का लाभ कहां है।

जब दो आयामों में लागू किया जाता है, तो यह सूत्र एक गाऊसी सतह उत्पन्न करता है जिसका मूल में अधिकतम होता है, जिसका :wikt:contours केंद्र के रूप में मूल के साथ संकेंद्रित वृत्त होते हैं। एक दो आयामी कनवल्शन मैट्रिक्स (गणित) को सूत्र से पूर्व-गणना की जाती है और दो आयामी डेटा के साथ सजाया जाता है। परिणामी मैट्रिक्स में प्रत्येक तत्व का नया मान उस तत्व के पड़ोस के भारित औसत पर सेट होता है। फोकल तत्व को सबसे भारी वजन (उच्चतम गाऊसी मूल्य वाला) प्राप्त होता है और पड़ोसी तत्वों को छोटे वजन प्राप्त होते हैं क्योंकि फोकल तत्व से उनकी दूरी बढ़ जाती है। छवि प्रसंस्करण में, मैट्रिक्स में प्रत्येक तत्व चमक या रंग तीव्रता जैसे पिक्सेल विशेषता का प्रतिनिधित्व करता है, और समग्र प्रभाव को गौस्सियन धुंधलापन कहा जाता है।

गाऊसी फ़िल्टर गैर-कारणात्मक है जिसका अर्थ है कि फ़िल्टर विंडो समय-क्षेत्र में मूल के बारे में सममित है। यह गाऊसी फ़िल्टर को भौतिक रूप से अवास्तविक बनाता है। यह आमतौर पर उन अनुप्रयोगों के लिए कोई परिणाम नहीं होता है जहां फ़िल्टर बैंडविड्थ सिग्नल से बहुत बड़ा होता है। रीयल-टाइम सिस्टम में, देरी होती है क्योंकि आने वाले नमूनों को सिग्नल पर फ़िल्टर लागू करने से पहले फ़िल्टर विंडो को भरने की आवश्यकता होती है। जबकि देरी की कोई भी मात्रा सैद्धांतिक गॉसियन फ़िल्टर कारण नहीं बना सकती है (क्योंकि गॉसियन फ़ंक्शन हर जगह शून्य नहीं है), गॉसियन फ़ंक्शन इतनी तेज़ी से शून्य में परिवर्तित हो जाता है कि एक कारण अनुमान मामूली देरी के साथ किसी भी आवश्यक सहनशीलता को प्राप्त कर सकता है, यहां तक ​​​​कि सटीकता तक भी आईईईई फ्लोटिंग पॉइंट का।

आवेदन

• जीएसएम चूंकि यह जीएमएसके मॉडुलन लागू करता है
• GFSK में गाऊसी फिल्टर का भी उपयोग किया जाता है।
• इमेज प्रोसेसिंग में प्रयुक्त कैनी एज डिटेक्टर ।

यह भी देखें

• बटरवर्थ फ़िल्टर
• कंघी फिल्टर
• चेबीशेव फ़िल्टर
• असतत गाऊसी कर्नेल
• अण्डाकार फिल्टर
• गौस्सियन धुंधलापन
• गाऊसी पिरामिड
• स्केल स्पेस
• स्केल स्पेस कार्यान्वयन

संदर्भ

==